CN105225419A - 跌倒检测方法、系统及基于该系统的跌倒自动报警器 - Google Patents
跌倒检测方法、系统及基于该系统的跌倒自动报警器 Download PDFInfo
- Publication number
- CN105225419A CN105225419A CN201510597866.XA CN201510597866A CN105225419A CN 105225419 A CN105225419 A CN 105225419A CN 201510597866 A CN201510597866 A CN 201510597866A CN 105225419 A CN105225419 A CN 105225419A
- Authority
- CN
- China
- Prior art keywords
- acceleration
- human body
- threshold
- horizontal direction
- show
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
- G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
- G08B21/043—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting an emergency event, e.g. a fall
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
- G08B21/0438—Sensor means for detecting
- G08B21/0446—Sensor means for detecting worn on the body to detect changes of posture, e.g. a fall, inclination, acceleration, gait
Landscapes
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Gerontology & Geriatric Medicine (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Emergency Alarm Devices (AREA)
- Alarm Systems (AREA)
Abstract
本发明适用于跌倒检测技术领域，提供了老人跌倒检测方法、系统及基于该系统的跌倒自动报警器，所述方法包括下述步骤：步骤a，通过智能穿戴设备采集被检测对象的行为数据，并对所采集的数据进行滤波处理；步骤b，根据处理后的数据计算反应人体姿态变化的特征量，所述特征量包含加速度幅度区域SMA、加速度强度矢量SMV和加速度在水平方向的夹角θ；步骤c，若计算出的SMA大于幅度阈值，则表明人体处于运动状态，进一步计算SMV；步骤d，若计算出的SMV大于强度阈值，则进一步判断加速度在水平方向的夹角θ是否大于角度阈值，若是，则表明人体跌倒。本发明提供的跌倒检测方法检测精度高、误判率低；同时，跌到自动报警器能做到实时监控、实时报警，实用性比较高。
Description
技术领域
本发明属于跌倒检测技术领域，尤其涉及跌倒检测方法、系统及基于该系统的跌倒自动报警器。
背景技术
随着人口老年化加剧，老人在未来人口中所占比重越来越大；而根据数据统计，每年约有三分之一的65岁以上老人发生过跌倒，而且比例随着年龄的增加而增大。跌倒给老人的身体的带来了巨大的损伤，严重影响其身体健康和独立生活能力。基于这一现状，市场上出现了很多关于跌倒检测的方法，但都存在一定的问题；归纳主要有以下几类：
1、基于视频监控、图像处理及模式识别的检测方法，这类方法需要在特定的区域安装摄像头进行监测，成本较高且检测范围受限，受周围环境影响较大；
2、基于音频信号的跌倒检测方法，此类方法误判率较高，实用性不大；
3、基于非AndroidWear的可穿戴设备的检测方法，此类方法受限于其开发系统的不完善，不利于产品的推广。
发明内容
本发明所要解决的技术问题在于提供一种跌倒检测方法、系统及基于该系统的跌倒自动报警器，旨在提供一种检测精度高、误判率低的检测方法及能随身携带并实时监控、实时报警的跌倒自动报警器。
本发明提供了一种跌倒检测方法，所述方法包括下述步骤：
步骤a，通过被检测对象的智能穿戴设备采集被检测对象的行为数据，并对所采集的数据进行滤波处理；
步骤b，根据处理后的数据计算反应人体姿态变化的特征量，所述特征量包含加速度幅度区域SMA、加速度强度矢量SMV、加速度在水平方向的夹角θ；
步骤c，若计算出的加速度幅度区域SMA大于幅度阈值，则表明人体处于运动状态，进一步计算加速度强度矢量SMV；
步骤d，若计算出的加速度强度矢量SMV大于强度阈值，则进一步判断加速度在水平方向的夹角θ是否大于角度阈值，若是，则表明人体跌倒。
进一步地，所述步骤b中加速度幅度区域SMA根据公式：计算；所述加速度强度矢量SMV根据公式：计算；所述加速度在水平方向的夹角θ根据公式：计算；其中，所述x[n]、y[n]、z[n]分别代表采集的x轴、y轴、z轴三个方向的加速度，N代表采集的数据的个数。
进一步地，所述步骤c还包括：若计算出的加速度幅度区域SMA不大于幅度阈值，则表明人体处于静止状态；并进一步判断所述加速度在水平方向的夹角θ是否大于角度阈值，若大于角度阈值，则表明人体处于站立状态或者坐下状态；若不大于角度阈值，则表明人体出于平躺状态。
进一步地，所述步骤d还包括：若计算出的加速度强度矢量SMV不大于强度阈值，则表明人体处于水平运动状态；若加速度强度矢量SMV大于强度阈值而且进一步判断出加速度在水平方向的夹角θ不大于角度阈值，则表明人体处于垂直运动状态。
本发明还提供了一种跌倒检测系统，所述系统包括：
数据采集处理模块，用于通过被检测对象的智能穿戴设备采集被检测对象的行为数据并对所采集的数据进行滤波处理；
计算模块，用于根据所述数据采集处理模块处理后的数据计算反应人体姿态变化的特征量，所述特征量包含加速度幅度区域SMA、加速度强度矢量SMV、和加速度在水平方向的夹角θ；
第一判断模块，用于将所述计算模块计算出的加速度幅度区域SMA与幅度阈值进行比较，来判断人体是否处于运动状态；
第二判断模块，用于根据所述第一判断模块判断出的结果，结合所述计算模块计算出的加速度强度矢量SMV与强度阈值的比较结果、加速度在水平方向的夹角θ与角度阈值的比较结果，来判断人体是否跌倒。
进一步地，所述计算模块中加速度幅度区域SMA根据公式：计算，所述加速度强度矢量SMV根据公式：计算，所述加速度在水平方向的夹角θ根据公式：计算，其中，所述x[n]、y[n]、z[n]分别代表采集的x轴、y轴、z轴三个方向的加速度，N代表采集的数据的个数。
进一步地，所述第一判断模块具体为：
若计算出的加速度幅度区域SMA大于幅度阈值，则表明人体处于运动状态；
若计算出的加速度幅度区域不大于幅度阈值，则表明人体处于静止状态；并进一步判断所述加速度在水平方向的夹角θ是否大于角度阈值，若大于角度阈值，则表明人体处于站立状态或者坐下状态；若不大于角度阈值，则表明人体出于平躺状态。
进一步地，所述第二判断模块具体为：
若计算出的加速度强度矢量SMV大于强度阈值，则进一步判断加速度在水平方向的夹角θ是否大于角度阈值，若是，则表明人体跌倒；
若计算出的加速度强度矢量SMV不大于强度阈值，则表明人体处于水平运动状态；若加速度强度矢量SMV大于强度阈值而且进一步判断出加速度在水平方向的夹角θ不大于角度阈值，则表明人体处于垂直运动状态。
本发明还提供了一种基于跌倒检测系统的跌倒自动报警器，所述跌倒自动报警器包括：基于AndroidWear的安装有上述跌倒检测系统的智能穿戴设备、移动终端；
所述智能穿戴设备与所述移动终端通过无线方式连接；
所述智能穿戴设备用于实时检测人体体位，并在检测到人体跌倒时将跌倒信息发送给所述移动终端；
所述移动终端用于对所述跌倒自动报警器进行实时定位，并在收到所述智能穿戴设备发送的跌倒信息时，将定位的GPS信息以短信的方式发送给预存的手机号码，起到报警作用。
进一步地，所述智能穿戴设备与所述移动终端通过蓝牙连接；
所述移动终端为android手机。
本发明与现有技术相比，有益效果在于：本发明提供了一种跌倒检测方法、系统及基于该系统的跌倒自动报警器，解决了采用传统视频监控存在的检测范围受限问题，或采用音频信号检测而存在的误判率较高的问题；本发明提供的跌倒检测方法检测精度高、误判率低；同时，跌到自动报警器能做到实时监控、实时报警，极大地避免了跌倒后由于延误时机而造成的不可修复的创伤，实用性比较高。
附图说明
图1是本发明实施例提供的跌倒检测方法的流程图；
图2是本发明实施例提供的跌倒检测系统的示意图；
图3是本发明实施例提供的基于跌倒检测系统的跌倒自动报警器的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明的主要实现思想为：提供一种基于AndroidWear系统开发的一个跌倒检测的应用软件，将此软件应用于支持AndroidWear的智能穿戴设备；此智能穿戴设备实时检测人体体位，并在检测到人体跌倒时，将跌倒信息发送给与它无线连接的移动终端；移动终端在收到跌倒信息时，将其实时定位的GPS信息以短信的方式发送给预存的手机号码，起到报警作用。
AndroidWear系统是由谷歌公司于2014年4月在Android的基础上提出的一款新的应用于可穿戴设备的操作系统，此操作系统功能完善，具有极大的市场潜能。本发明实施例采用的基于AndroidWear的智能穿戴设备是MOTO360，应当理解，具体实施时还可以采用其他支持AndroidWear的智能穿戴设备。
下面先介绍本发明提供的跌倒检测方法，如图1所示，所述方法包括下述步骤：
步骤a，通过被检测对象的智能穿戴设备采集被检测对象的行为数据，并对所采集的数据进行滤波处理。
本发明实施例是采用MOTO360内置的的三轴加速度传感器和陀螺仪来提供用于实时测量人体姿态变化的数据然后利用中值滤波对采集的数据进行滤波处理；另外，被检测对象一般指老人。
步骤b，根据处理后的数据计算反应人体姿态变化的特征量，所述特征量包含加速度幅度区域SMA、加速度强度矢量SMV、加速度在水平方向的夹角θ；
所述步骤b中加速度幅度区域SMA根据公式：计算；所述加速度强度矢量SMV根据公式：计算；所述加速度在水平方向的夹角θ根据公式：计算；其中，所述x[n]、y[n]、z[n]分别代表采集的x轴、y轴、z轴三个方向的加速度，N代表采集的数据的个数。
步骤c，若计算出的加速度幅度区域SMA大于幅度阈值，则表明人体处于运动状态，进一步计算加速度强度矢量SMV；
所述步骤c还包括：若计算出的加速度幅度区域SMA不大于幅度阈值，则表明人体处于静止状态；并进一步判断所述加速度在水平方向的夹角θ是否大于角度阈值，若大于角度阈值，则表明人体处于站立状态或者坐下状态；若不大于角度阈值，则表明人体出于平躺状态，本发明实施例采用的幅度阈值为2倍重力加速度值。
步骤d，若计算出的加速度强度矢量SMV大于强度阈值，则进一步判断加速度在水平方向的夹角θ是否大于角度阈值，若是，则表明人体跌倒。
所述步骤d还包括：若计算出的加速度强度矢量SMV不大于强度阈值，则表明人体处于水平运动状态；若加速度强度矢量SMV大于强度阈值而且进一步判断出加速度在水平方向的夹角θ不大于角度阈值，则表明人体处于垂直运动状态；本发明实施例采用的强度阈值为2倍重力加速度值；加速度在水平方向的夹角θ的角度阈值为40度。
本发明还提供了一种跌倒检测系统，所述跌倒检测系统是基于AndroidWear系统开发的一个跌倒检测的应用软件；如图2所示，所述系统包括：
数据采集处理模块1，用于通过被检测对象的智能穿戴设备采集被检测对象的行为数据并对所采集的数据进行滤波处理；
计算模块2，用于根据所述数据采集处理模块1处理后的数据计算反应人体姿态变化的特征量，所述特征量包含加速度幅度区域SMA、加速度强度矢量SMV、和加速度在水平方向的夹角θ；
所述加速度幅度区域SMA根据公式：计算，所述加速度强度矢量SMV根据公式：计算，所述加速度在水平方向的夹角θ根据公式：计算，其中，所述x[n]、y[n]、z[n]分别代表采集的x轴、y轴、z轴三个方向的加速度，N代表采集的数据的个数。
第一判断模块3，用于将所述计算模块2计算出的加速度幅度区域SMA与幅度阈值进行比较，来判断人体是否处于运动状态；
所述第一判断模块3具体为：
若计算出的加速度幅度区域SMA大于幅度阈值，则表明人体处于运动状态；
若计算出的加速度幅度区域不大于幅度阈值，则表明人体处于静止状态；并进一步判断所述加速度在水平方向的夹角θ是否大于角度阈值，若大于角度阈值，则表明人体处于站立状态或者坐下状态；若不大于角度阈值，则表明人体出于平躺状态。
第二判断模块4，用于根据所述第一判断模块3判断出的结果，结合所述计算模块2计算出的加速度强度矢量SMV与强度阈值的比较结果、加速度在水平方向的夹角θ与角度阈值的比较结果，来判断人体是否跌倒。
所述第二判断模块4具体为：
若计算出的加速度强度矢量SMV大于强度阈值，则进一步判断加速度在水平方向的夹角θ是否大于角度阈值，若是，则表明人体跌倒；
若计算出的加速度强度矢量SMV不大于强度阈值，则表明人体处于水平运动状态；若加速度强度矢量SMV大于强度阈值而且进一步判断出加速度在水平方向的夹角θ不大于角度阈值，则表明人体处于垂直运动状态。
本发明还提供了一种基于跌倒检测系统的跌倒自动报警器，如图3所示，所述跌倒自动报警器包括：基于AndroidWear的安装有上述跌倒检测系统的智能穿戴设备A、移动终端B；
所述智能穿戴设备A与所述移动终端B通过无线方式连接；
所述智能穿戴设备A用于对的体位进行实时监控，并在检测到人体跌倒时将跌倒信息发送给所述移动终端；
事实上，任何支持AndroidWear的智能穿戴设备都可应用本发明中所开发的跌倒检测应用软件，比如LGGWatch、Moto360、三星GearLive等产品皆可作为本发明中的智能穿戴设备。
所述移动终端B用于对所述跌倒自动报警器进行实时定位，并在收到所述智能穿戴设备B发送的跌倒信息时，将定位的GPS信息以短信的方式发送给预存的手机号码，起到报警作用。
优选地，所述智能穿戴设备A与所述移动终端B通过蓝牙连接；
所述移动终端B为android手机；本发明实施例采用的android手机为谷歌公司开发的Nexus5。
本发明提供了一种跌倒检测方法、系统及基于该系统的跌倒自动报警器，解决了采用传统视频监控存在的检测范围受限问题，或采用音频信号检测而存在的误判率较高的问题；本发明提供的跌倒检测方法检测精度高、误判率低；同时，基于跌倒检测系统的跌倒自动报警器能做到实时监控老人的姿态状况，及时发送判定信息并实时报警，极大地减少了对于老人跌倒后的应对措施的反应时间，避免了跌倒后由于延误时机而造成的不可修复的创伤，实用性较高；另外，跌倒自动报警器所需设备极易在市场购置，并且价格适中，老人携带方便。
本发明提供的跌倒检测系统是基于AndroidWear系统开发的一个跌倒检测的应用软件，AndroidWear系统是一个新兴的应用于可穿戴设备的开发系统，鉴于当前可穿戴设备的流行以及Android手机的盛行，此开发系统具有极大的商业潜能，因此本发明提供的跌倒检测系统及跌倒自动报警器也具有很高的商业价值。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种跌倒检测方法，其特征在于，所述方法包括下述步骤：
步骤a，通过被检测对象的智能穿戴设备采集被检测对象的行为数据，并对所采集的数据进行滤波处理；
步骤b，根据处理后的数据计算反应人体姿态变化的特征量，所述特征量包含加速度幅度区域SMA、加速度强度矢量SMV、加速度在水平方向的夹角θ；
步骤c，若计算出的加速度幅度区域SMA大于幅度阈值，则表明人体处于运动状态，进一步计算加速度强度矢量SMV；
步骤d，若计算出的加速度强度矢量SMV大于强度阈值，则进一步判断加速度在水平方向的夹角θ是否大于角度阈值，若是，则表明人体跌倒。
2.如权利要求1所述的跌倒检测方法，其特征在于，所述步骤b中加速度幅度区域SMA根据公式：计算；所述加速度强度矢量SMV根据公式：计算；所述加速度在水平方向的夹角θ根据公式：计算；其中，所述x[n]、y[n]、z[n]分别代表采集的x轴、y轴、z轴三个方向的加速度，N代表采集的数据的个数。
3.如权利要求2所述的跌倒检测方法，其特征在于，所述步骤c还包括：若计算出的加速度幅度区域SMA不大于幅度阈值，则表明人体处于静止状态；并进一步判断所述加速度在水平方向的夹角θ是否大于角度阈值，若大于角度阈值，则表明人体处于站立状态或者坐下状态；若不大于角度阈值，则表明人体出于平躺状态。
4.如权利要求2所述的跌倒检测方法，其特征在于，所述步骤d还包括：若计算出的加速度强度矢量SMV不大于强度阈值，则表明人体处于水平运动状态；若加速度强度矢量SMV大于强度阈值而且进一步判断出加速度在水平方向的夹角θ不大于角度阈值，则表明人体处于垂直运动状态。
5.一种跌倒检测系统，其特征在于，所述系统包括：
数据采集处理模块，用于通过被检测对象的智能穿戴设备采集被检测对象的行为数据并对所采集的数据进行滤波处理；
计算模块，用于根据所述数据采集处理模块处理后的数据计算反应人体姿态变化的特征量，所述特征量包含加速度幅度区域SMA、加速度强度矢量SMV、和加速度在水平方向的夹角θ；
第一判断模块，用于将所述计算模块计算出的加速度幅度区域SMA与幅度阈值进行比较，来判断人体是否处于运动状态；
第二判断模块，用于根据所述第一判断模块判断出的结果，结合所述计算模块计算出的加速度强度矢量SMV与强度阈值的比较结果、加速度在水平方向的夹角θ与角度阈值的比较结果，来判断人体是否跌倒。
6.如权利要求5所述的跌倒检测系统，其特征在于，所述计算模块中加速度幅度区域SMA根据公式：计算，所述加速度强度矢量SMV根据公式：计算，所述加速度在水平方向的夹角θ根据公式：计算，其中，所述x[n]、y[n]、z[n]分别代表采集的x轴、y轴、z轴三个方向的加速度，N代表采集的数据的个数。
7.如权利要求6所述的跌倒检测系统，其特征在于，所述第一判断模块具体为：
若计算出的加速度幅度区域SMA大于幅度阈值，则表明人体处于运动状态；
若计算出的加速度幅度区域不大于幅度阈值，则表明人体处于静止状态；并进一步判断所述加速度在水平方向的夹角θ是否大于角度阈值，若大于角度阈值，则表明人体处于站立状态或者坐下状态；若不大于角度阈值，则表明人体出于平躺状态。
8.如权利要求6所述的跌倒检测系统，其特征在于，所述第二判断模块具体为：
若计算出的加速度强度矢量SMV大于强度阈值，则进一步判断加速度在水平方向的夹角θ是否大于角度阈值，若是，则表明人体跌倒；
若计算出的加速度强度矢量SMV不大于强度阈值，则表明人体处于水平运动状态；若加速度强度矢量SMV大于强度阈值而且进一步判断出加速度在水平方向的夹角θ不大于角度阈值，则表明人体处于垂直运动状态。
9.一种基于跌倒检测系统的跌倒自动报警器，其特征在于，所述跌倒自动报警器包括：基于AndroidWear的安装有如权利要求5-8任一项所述的跌倒检测系统的智能穿戴设备、移动终端；
所述智能穿戴设备与所述移动终端通过无线方式连接；
所述智能穿戴设备用于实时检测人体体位，并在检测到人体跌倒时将跌倒信息发送给所述移动终端；
所述移动终端用于对所述跌倒自动报警器进行实时定位，并在收到所述智能穿戴设备发送的跌倒信息时，将定位的GPS信息以短信的方式发送给预存的手机号码，起到报警作用。
10.如权利要求9所述的跌倒自动报警器，其特征在于，所述智能穿戴设备与所述移动终端通过蓝牙连接；
所述移动终端为android手机。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510597866.XA CN105225419A (zh) | 2015-09-18 | 2015-09-18 | 跌倒检测方法、系统及基于该系统的跌倒自动报警器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510597866.XA CN105225419A (zh) | 2015-09-18 | 2015-09-18 | 跌倒检测方法、系统及基于该系统的跌倒自动报警器 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105225419A true CN105225419A (zh) | 2016-01-06 |
Family
ID=54994354
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510597866.XA Pending CN105225419A (zh) | 2015-09-18 | 2015-09-18 | 跌倒检测方法、系统及基于该系统的跌倒自动报警器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105225419A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106097654A (zh) * | 2016-07-27 | 2016-11-09 | 歌尔股份有限公司 | 一种跌倒检测方法和可穿戴式跌倒检测装置 |
| CN106373335A (zh) * | 2016-08-16 | 2017-02-01 | 中国人民解放军海军工程大学 | Android手机上基于惯性技术的老人跌倒检测与智能报警方法 |
| CN106376483A (zh) * | 2016-08-30 | 2017-02-08 | 深圳市沃特沃德股份有限公司 | 宠物运动状态的判断方法和装置 |
| CN109100158A (zh) * | 2018-09-02 | 2018-12-28 | 上海悦骑智能科技有限公司 | 车辆跌倒检测方法及系统 |
| CN109686051A (zh) * | 2018-12-18 | 2019-04-26 | 广东工业大学 | 一种目标对象跌倒行为的判定方法、装置、设备及介质 |
| CN110177735A (zh) * | 2017-02-10 | 2019-08-27 | 阿尔卑斯阿尔派株式会社 | 车辆的跌倒检测装置 |
| CN110246300A (zh) * | 2018-03-07 | 2019-09-17 | 深圳市智听科技有限公司 | 助听器的数据处理方法、装置 |
| TWI679613B (zh) * | 2018-07-02 | 2019-12-11 | 瀚誼世界科技股份有限公司 | 通過非跌倒偵測的防止錯誤警報方法以及跌倒偵測裝置 |
| CN113724853A (zh) * | 2021-10-08 | 2021-11-30 | 联想新视界(南昌)人工智能工研院有限公司 | 一种基于深度学习的智慧医疗系统 |
| CN115530774A (zh) * | 2021-06-30 | 2022-12-30 | 荣耀终端有限公司 | 癫痫检测方法和装置 |
| CN116194970A (zh) * | 2022-10-13 | 2023-05-30 | 深圳市锐明技术股份有限公司 | 报警方法、报警装置、控制设备以及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002306218A (ja) * | 2001-04-18 | 2002-10-22 | Matsushita Electric Ind Co Ltd | 通信手段付き杖及びそれを使用したサービスシステム |
| US7110569B2 (en) * | 2001-09-27 | 2006-09-19 | Koninklijke Philips Electronics N.V. | Video based detection of fall-down and other events |
| CN101650869A (zh) * | 2009-09-23 | 2010-02-17 | 中国科学院合肥物质科学研究院 | 一种人体摔倒自动检测并报警的装置及其信息处理方法 |
| CN201829026U (zh) * | 2010-09-17 | 2011-05-11 | 中国科学院深圳先进技术研究院 | 跌倒监测与报警系统 |
| CN202210337U (zh) * | 2011-09-29 | 2012-05-02 | 西安中星测控有限公司 | 人体跌倒检测报警器 |
| CN102800170A (zh) * | 2012-09-11 | 2012-11-28 | 重庆大学 | 基于多传感器的人体跌倒检测报警器 |
-
2015
- 2015-09-18 CN CN201510597866.XA patent/CN105225419A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002306218A (ja) * | 2001-04-18 | 2002-10-22 | Matsushita Electric Ind Co Ltd | 通信手段付き杖及びそれを使用したサービスシステム |
| US7110569B2 (en) * | 2001-09-27 | 2006-09-19 | Koninklijke Philips Electronics N.V. | Video based detection of fall-down and other events |
| CN101650869A (zh) * | 2009-09-23 | 2010-02-17 | 中国科学院合肥物质科学研究院 | 一种人体摔倒自动检测并报警的装置及其信息处理方法 |
| CN201829026U (zh) * | 2010-09-17 | 2011-05-11 | 中国科学院深圳先进技术研究院 | 跌倒监测与报警系统 |
| CN202210337U (zh) * | 2011-09-29 | 2012-05-02 | 西安中星测控有限公司 | 人体跌倒检测报警器 |
| CN102800170A (zh) * | 2012-09-11 | 2012-11-28 | 重庆大学 | 基于多传感器的人体跌倒检测报警器 |
Non-Patent Citations (1)
| Title |
|---|
| 秦昉 等: "基于智能手机的实时跌倒检测系统研究", 《计算机工程与应用》 * |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106097654A (zh) * | 2016-07-27 | 2016-11-09 | 歌尔股份有限公司 | 一种跌倒检测方法和可穿戴式跌倒检测装置 |
| CN106373335A (zh) * | 2016-08-16 | 2017-02-01 | 中国人民解放军海军工程大学 | Android手机上基于惯性技术的老人跌倒检测与智能报警方法 |
| CN106376483B (zh) * | 2016-08-30 | 2019-10-22 | 深圳市沃特沃德股份有限公司 | 宠物运动状态的判断方法和装置 |
| CN106376483A (zh) * | 2016-08-30 | 2017-02-08 | 深圳市沃特沃德股份有限公司 | 宠物运动状态的判断方法和装置 |
| CN110177735A (zh) * | 2017-02-10 | 2019-08-27 | 阿尔卑斯阿尔派株式会社 | 车辆的跌倒检测装置 |
| CN110246300A (zh) * | 2018-03-07 | 2019-09-17 | 深圳市智听科技有限公司 | 助听器的数据处理方法、装置 |
| TWI679613B (zh) * | 2018-07-02 | 2019-12-11 | 瀚誼世界科技股份有限公司 | 通過非跌倒偵測的防止錯誤警報方法以及跌倒偵測裝置 |
| CN109100158A (zh) * | 2018-09-02 | 2018-12-28 | 上海悦骑智能科技有限公司 | 车辆跌倒检测方法及系统 |
| CN109686051A (zh) * | 2018-12-18 | 2019-04-26 | 广东工业大学 | 一种目标对象跌倒行为的判定方法、装置、设备及介质 |
| CN115530774A (zh) * | 2021-06-30 | 2022-12-30 | 荣耀终端有限公司 | 癫痫检测方法和装置 |
| CN115530774B (zh) * | 2021-06-30 | 2024-03-26 | 荣耀终端有限公司 | 癫痫检测方法和装置 |
| CN113724853A (zh) * | 2021-10-08 | 2021-11-30 | 联想新视界(南昌)人工智能工研院有限公司 | 一种基于深度学习的智慧医疗系统 |
| CN116194970A (zh) * | 2022-10-13 | 2023-05-30 | 深圳市锐明技术股份有限公司 | 报警方法、报警装置、控制设备以及存储介质 |
| WO2024077550A1 (zh) * | 2022-10-13 | 2024-04-18 | 深圳市锐明技术股份有限公司 | 报警方法、报警装置、控制设备以及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105225419A (zh) | 跌倒检测方法、系统及基于该系统的跌倒自动报警器 | |
| KR102270401B1 (ko) | 스마트폰을 소지한 산만한 보행자를 위한 실시간 경고 | |
| CN104103030B (zh) | 图像分析方法、照相机装置、控制装置及控制方法 | |
| CN104835274B (zh) | 一种可穿戴设备的防盗方法、装置以及可穿戴设备 | |
| US10600311B2 (en) | Eyeglasses-type wearable terminal, control method thereof, and control program | |
| CN106605154B (zh) | 一种运动目标的监测方法、穿戴式装置及服务器 | |
| CN106473749A (zh) | 用于检测跌倒的装置、系统及方法 | |
| Wen et al. | We help you watch your steps: Unobtrusive alertness system for pedestrian mobile phone users | |
| US20140125806A1 (en) | Sports Apparatus and Method | |
| CN111241913A (zh) | 一种检测人员摔倒的方法、装置及系统 | |
| CN104154424A (zh) | 一种特气安全传输远程监控系统及方法 | |
| CN103369135B (zh) | 移动设备位置识别的方法和系统 | |
| WO2022142786A1 (zh) | 驾驶行为识别方法、设备和存储介质 | |
| EP4235597A3 (en) | Vehicle speed limit display device | |
| CN205680289U (zh) | 一种停车入位检测系统 | |
| CN105593903A (zh) | 生物体确定装置及方法 | |
| CN205103993U (zh) | 一种智能人体跌倒监护装置 | |
| CN106303041A (zh) | 一种预警信息的生成方法和一种移动终端 | |
| KR101685388B1 (ko) | 복수의 센서를 이용한 동작 인식 방법 및 장치 | |
| CN114973053A (zh) | 检测方法、装置和系统、存储介质及计算机设备 | |
| CN109155101A (zh) | 电子设备、控制方法、以及控制程序 | |
| CN116597340B (zh) | 高空抛物位置预测方法、电子设备及可读存储介质 | |
| CN104586401A (zh) | 一种追踪人体姿态的方法 | |
| CN104392201A (zh) | 一种基于全向视觉的人体跌倒识别方法 | |
| CN104361361A (zh) | 通过云计算和机器学习算法判断摔倒的方法和系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160106 |